27813

تشخيص صحيح پلمپ درب هاي بطري با استفاده از بينايي ماشين

كارشناسي ارشد

مهندسي مكانيك(ساخت و توليد مكاترونيك)

1399

1401/10/13

مجيد رجبي

مكانيك

محدوديت هاي تبديل هاي يك بعدي كه بطور معمول به صورت جداگانه استفاده مي شوند مانند تبديل فوريه و موج دار ، در گرفتن هندسه لبه هاي تصوير به خوبي شناخته شده است . در اين تحقيق سعي داريم كه يك تبديل (درست ) دوبعدي كه مي تواند, ساختار هندسي دروني كه عنصر كليدي در اطلاعات بصري است را دنبال كنيم چالش اصلي در كشف هندسه عكس ها از ماهيت گسسته اطلاعات مي آيد . برخلاف ساير رويكردها ، مانند منحني ها ، كه نخست يك تبديل را در حوزه مستمر توسعه داده و سپس آن را براي گرفتن داده هاي نمونه گسسته مي كند ، رويكرد ما با يك ساختار در حوزه گسسته آغاز مي شود و به حوزه مستمر گسترش مي يابد . ما با استفاده از منابع فيلتر جدانشدني ، تقريبا در همان مسيري كه امواج از منابع فيلتر مشتق مي شوند ، يك حوزه گسسته چند جهته و چند رزولوشني بسط داده شده را خواهيم ساخت. تصاوير گرفته شده با استفاده از تكنيك‌هاي ساده بينايي ماشين براي شناسايي عيوب متعدد مانند درب ، فرورفتگي‌هاي روي بدنه و هم‌ترازي برچسب روي پلاستيك پردازش مي‌شوند. نتايج تجربي نشان مي دهد كه سيستم پيشنهادي 98.2 درصد در تشخيص محدوده اي از عيوب بطري دقت دارد. براي تشخيص سريع بسيار امكان پذير است و به قدرت محاسباتي بالا و حجم زيادي از داده هاي آموزشي نياز ندارد.به علاوه ، ما يك ارتباط دقيق بين منبع فيلتر توسعه داده شده و حوزه مستمر مداوم توسعه بينايي ماشين از طريق چهارچوب آناليز چند رزولوشني جهت دار ايجاد خواهيم كرد.

1401/11/11

Detecting the correct bottle cap seal using machine vision

1/3/2024 12:00:00 AM

The limitations of one-dimensional transforms that are commonly used individually, such as the Fourier and wavelet transforms, in capturing image edge geometry are well known. In this research, we are trying to find a (correct) two-dimensional transformation that can follow the internal geometric structure, which is a key element in visual information. The main challenge in discovering the geometry of photographs comes from the discrete nature of information. Unlike other approaches, such as curves, which first develop a transformation in the continuous domain and then discretize it to capture sample data, our approach starts with a structure in the discrete domain and extends it to the continuous domain. We will construct an expanded multi-directional, multi-resolution discrete domain using inseparable filter sources, approximately in the same direction as the waves are derived from the filter sources. Captured images are processed using simple machine vision techniques to identify multiple defects such as lids, body dents, and label alignment on plastic. Experimental results show that the proposed system is 98.2% accurate in detecting a range of bottle defects. It is very feasible for fast detection and does not require high computing power and large amount of training data. In addition, we develop a precise connection between the source of the developed filter and the continuously evolving field of machine vision through a multi-resolution oriented analysis framework.

متلب , تشخيص پلمپ درب بطري

matlab , machine vision

reza mahdizadeh

majid rajabi